論文の概要: MVis-Fold: A Three-Dimensional Microvascular Structure Inference Model for Super-Resolution Ultrasound

• arxiv url: http://arxiv.org/abs/2604.04477v1
• Date: Mon, 06 Apr 2026 06:59:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:19.126875
• Title: MVis-Fold: A Three-Dimensional Microvascular Structure Inference Model for Super-Resolution Ultrasound
• Title（参考訳）: MVis-Fold:超解像超音波の3次元微小血管構造推定モデル
• Authors: Jincao Yao, Ke Zhang, Yahan Zhou, Jiafei Shen, Jie Liu, Mudassar Ali, Bojian Feng, Jiye Chen, Jinlong Fan, Ping Liang, Dong Xu,
• Abstract要約: 超高分解能超音波(SRUS)は従来の超音波の分解能限界を克服し、微小血管のマイクロスケールイメージングを可能にした。 MVis-Foldは、大規模なネットワークアーキテクチャを統合する革新的な3次元微小血管再構築モデルである。
• 参考スコア（独自算出の注目度）: 13.431062279905449
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Super-resolution ultrasound (SRUS) technology has overcome the resolution limitations of conventional ultrasound, enabling micrometer-scale imaging of microvasculature. However, due to the nature of imaging principles, three-dimensional reconstruction of microvasculature from SRUS remains an open challenge. We developed microvascular visualization fold (MVis-Fold), an innovative three-dimensional microvascular reconstruction model that integrates a cross-scale network architecture. This model can perform high-fidelity inference and reconstruction of three-dimensional microvascular networks from two-dimensional SRUS images. It precisely calculates key parameters in three-dimensional space that traditional two-dimensional SRUS cannot readily obtain. We validated the model's accuracy and reliability in three-dimensional microvascular reconstruction of solid tumors. This study establishes a foundation for three-dimensional quantitative analysis of microvasculature. It provides new tools and methods for diagnosis and monitoring of various diseases.
• Abstract（参考訳）: 超高分解能超音波(SRUS)技術は従来の超音波の分解能限界を克服し、微小血管のマイクロスケールイメージングを可能にした。 しかし、撮像原理の性質から、SRUSからの微小血管の3次元再構築は未解決の課題である。 そこで我々は, クロススケールネットワークアーキテクチャを統合した3次元微小血管再構築モデルであるMVis-Foldを開発した。 このモデルは2次元SRUS画像から3次元微小血管網の高忠実性推論と再構成を行うことができる。 従来の2次元SRUSでは得られない3次元空間における鍵パラメータを正確に計算する。 固形腫瘍の3次元微小血管再建におけるモデルの精度と信頼性について検討した。 本研究は微小血管の3次元定量的解析の基礎を確立する。 様々な疾患の診断とモニタリングのための新しいツールと方法を提供する。

関連論文リスト

• Neural Field-Based 3D Surface Reconstruction of Microstructures from Multi-Detector Signals in Scanning Electron Microscopy [7.293073530041304]
  NFH-SEMは、多視点2次元SEM画像を入力として、幾何学的および測光的情報を連続した神経野表現に融合する。 NFH-SEMは、エンドツーエンドの自己校正によって手動の校正手順を排除し、トレーニング中にSEMイメージから自動的に影をアンタングルする。
  論文  参考訳（メタデータ） (2025-08-05T20:00:57Z)
• Resolution-Robust 3D MRI Reconstruction with 2D Diffusion Priors: Diverse-Resolution Training Outperforms Interpolation [18.917672392645006]
  2次元スライスで訓練された2次元拡散モデルが3次元MRI再構成に活用され始めている。 既存の方法では、ボクセルサイズが一定であり、ボクセルサイズが変化すると性能が低下する。 本稿では,2次元拡散先行画像を用いた高分解能3次元MRI再構成手法の提案と検討を行う。
  論文  参考訳（メタデータ） (2024-12-24T18:25:50Z)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。 我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• Super-resolution of biomedical volumes with 2D supervision [84.5255884646906]
  超解像のための仮設スライス拡散は、生物学的標本のすべての空間次元にわたるデータ生成分布の固有同値性を利用する。 我々は,高解像度2次元画像の高速取得を特徴とするSliceRの組織学的刺激(SRH)への応用に着目する。
  論文  参考訳（メタデータ） (2024-04-15T02:41:55Z)
• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [45.62331048595689]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・ディベサール・ネットワーク(cGAN)アーキテクチャを用いて,ヒト・コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• Two-and-a-half Order Score-based Model for Solving 3D Ill-posed Inverse Problems [7.074380879971194]
  本稿では,3次元ボリューム再構成のための2次半順序スコアベースモデル(TOSM)を提案する。 トレーニング期間中、TOSMは2次元空間のデータ分布を学習し、トレーニングの複雑さを低減する。 再構成フェーズでは、TOSMは3方向の相補的なスコアを利用して、3次元空間のデータ分布を更新する。
  論文  参考訳（メタデータ） (2023-08-16T17:07:40Z)
• Passive superresolution imaging of incoherent objects [63.942632088208505]
  手法は、Hermite-Gaussianモードとその重ね合わせのオーバーコンプリートベースで、画像平面内のフィールドの空間モード成分を測定することで構成される。 ディープニューラルネットワークは、これらの測定からオブジェクトを再構築するために使用される。
  論文  参考訳（メタデータ） (2023-04-19T15:53:09Z)
• Model-Guided Multi-Contrast Deep Unfolding Network for MRI Super-resolution Reconstruction [68.80715727288514]
  MRI観察行列を用いて,反復型MGDUNアルゴリズムを新しいモデル誘導深部展開ネットワークに展開する方法を示す。 本稿では,医療画像SR再構成のためのモデルガイド型解釈可能なDeep Unfolding Network(MGDUN)を提案する。
  論文  参考訳（メタデータ） (2022-09-15T03:58:30Z)
• Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
  超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。 この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。 トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
  論文  参考訳（メタデータ） (2021-07-12T09:04:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。